本教程是Android*3.0应用程序的性能分析、瓶颈识别和渲染优化的分布式指南。City Racer的示例应用程序将通过风格化的City设置模拟道路比赛。工具套件。
    
     本教程是在David Houlton，Android和OpenGL ES版本3（PDF）中编写的，它配备了英特尔GPA。
    
     本教程将向您展示四个优化步骤。每个步骤使用Intel GPA分析应用程序来识别特定的性能瓶颈。然后切换到应用程序中的相应优化以消除瓶颈，然后再次分析以测量性能改进achi并给出了优化步骤。
    
     城市赛车手逻辑分为赛车仿真和渲染子组件，赛车仿真包括加速、制动、转向参数以及用于轨迹跟踪和避碰的AI建模。CPP与车辆。CPP文件，以及在本教程中使用的优化不会影响它。
    
     渲染组件包括使用OpenGL ES 3.0和内部开发的CPUT框架的渲染车辆和场景几何形状。渲染代码的第一版演示了一遍的努力和决心，提供了各种性能受限的设计选项。
    
     可以从Media/defaultScene..文件中加载网格和纹理资产。可以将独立的网格标记为预置的场景项，或者基于每个实例转换的数据来标记为实例化的场景，或者标记为接受模拟提供的转换数据的车辆。场景中的摄像机：一个位于车辆后部，另一个用于支持用户自由开发场景。所有性能分析和代码优化都面向后端摄像机模式。
    
     为了本教程的目的，CityRacer被设计成以暂停模式开始，这有助于您理解分析步骤和类似的数据集。CPP以消除城市赛车的停顿状态。
    
     城市赛车手的应用被认为是一种既能工作又不优化的原型，在初始状态下能提供理想的视觉效果，但不提供渲染性能，它包含了很多技巧和设计选择，代表了典型的游戏开发。开发过程的优化阶段旨在逐步识别性能瓶颈，通过修改代码来消除它们，并测量性能增益。
    
     请注意，本教程只介绍了少数适用于City Racer的优化方法。具体来说，它只考虑源代码将完全采用的优化，而不对模式或纹理资产进行任何更改。我们不会讨论其他优化。在这里改变资产的方法，因为通过教程实现它们很烦琐。但是它们可以通过Intel GPA工具进行标识，应该在实际的游戏优化中加以考虑。
    
     本文提供的性能数据是通过运行基于Android的Intel Link处理器系统（代码名Bay Trail）获得的，具体数据可能因系统而异，但是相对性能关系应该是相似的，因此在逻辑上，性能优化应该是相同的。
    
     本教程中所使用的优化方法可以在CityRacer.cpp中找到，这些方法可以通过CityRacer's HUD进行切换，也可以直接在CityRacer.cpp中进行修改。
    
     随着优化的逐步发展，它们将逐个启动。变量控制一个或多个代码段的替换，以实现本教程中相应步骤的优化目标。
    
     第一步是在Android设备上构建和部署City Racer。如果Android环境设置正确，则构建android。BAT文件位于CITYRACER 游戏/代码 / Android将为您执行这些步骤。
    
     系统分析器将显示要连接的平台列表。选择您的Android x86设备并按Connect。
    
     系统分析器连接到Android设备后，将显示用于分析的应用程序列表。选择City Racer并等待启动。
    
     打开面向OpenGL*的框架分析器，选择刚刚捕获的城市赛车框架，以详细检查GPU性能。
    
     顶部时间线将根据均匀分布的工作erg（通常对应于OpenGL绘图调用的ERG）进行扩展。有关传统时间线显示的更多信息，请选择X和Y轴上的GPU持续时间。这允许您快速显示哪个erg的GPU较长est以及我们首先应该关注的内容。如果没有选择ERG，右侧面板将显示整个帧的GPU时间，即55毫秒。